Wall Street ne s'est pas réveillé un matin en décidant que les logiciels étaient obsolètes. La récente crise des logiciels a un déclencheur plus simple : la crainte que les assistants d'IA passent des démonstrations au travail quotidien, plus rapidement que les modèles de revenus ne peuvent s'adapter. La vente s'est accélérée après que les nouvelles versions d'Anthropic et d'OpenAI ont présenté des outils de type coworking avec des plugins pour la révision juridique, les opérations de marketing, les flux de travail financiers, l'analyse de données et les tâches de vente. Dans un marché fondé sur des revenus d'abonnement prévisibles, le message était brutal : pourquoi payer pour une suite quand l'apprentissage automatique et l'automatisation peuvent assembler un flux de travail à la demande ?
Les prix ont évolué comme si la situation était déjà réglée. Depuis la fin du mois de janvier, plusieurs grands noms ont fortement chuté : ServiceNow a chuté de plus de 22%, Thomson Reuters de plus de 26%, Intuit de plus de 26%, Snowflake d'environ 18% et Salesforce de plus de 20%. Pourtant, la réalité n'est pas simple. L'IA remodèle le développement des logiciels, mais les applications réelles se heurtent encore aux limites de la qualité des données, à l'exposition à la sécurité et au risque éthique de l'IA. Une façon utile de lire ce moment n'est pas "l'IA remplace les logiciels", mais "l'IA change les personnes qui capturent la valeur". Les sections suivantes séparent le battage technologique des mécanismes qui déterminent les gagnants et les perdants.
Crise des logiciels pilotés par l'IA : ce qui a déclenché le choc du marché
Le choc est venu de l'emballage des produits, et non d'une percée unique. Les outils de "coworking" ont présenté l'IA comme une couche d'exploitation entre les départements, avec des plugins qui ressemblent à des mini-applications remplaçant les écrans SaaS étroits. Cette conception alimente l'idée qu'un fournisseur modèle peut se situer au-dessus des opérateurs historiques et écrémer les marges dans de nombreuses catégories.
Le deuxième déclencheur est l'angoisse de la construction contre l'achat. Si l'IA peut générer des outils internes à partir d'invites, les conseils d'administration commencent à se demander pourquoi les équipes renouvellent les contrats. Il s'agit du même schéma psychologique observé dans les cycles précédents, de la consolidation des ERP aux premières années du cloud : le marché évalue la menace avant que la réalité du déploiement ne la rattrape.
L'intelligence artificielle au service de la vente : les indices ont été vidés, et pas seulement les entreprises fragiles
Les analystes ont mis en évidence un mécanisme brutal : de larges paniers de logiciels ont été vendus sans grande discrimination. Lorsque l'argent tourne vite, les actions des principaux indices de logiciels évoluent ensemble, même si leur exposition à la substitution de l'IA diffère.
L'enseignement pratique à tirer de la crise du logiciel est simple : l'action des prix peut refléter le positionnement plus que les fondamentaux. La prochaine étape consiste à distinguer les produits qui sont vulnérables à "l'IA comme interface" de ceux qui deviennent plus forts en intégrant l'apprentissage automatique dans les flux de travail existants.
Pour en savoir plus sur la manière dont les récits se répercutent sur les segments adjacents, voir ce regard sur la chute des stocks d'infrastructures d'IAqui montre la rapidité avec laquelle le sentiment se propage dans la pile.
L'IA et le développement de logiciels : quand le battage médiatique se heurte à la réalité de l'ingénierie
L'IA modifie le développement de logiciels surtout lorsque le travail est répétitif : échafauder du code, écrire des tests, générer des migrations et rédiger de la documentation. Elle accélère le débit, mais elle augmente également le volume de code entrant dans le système, ce qui accroît la charge de révision et les coûts de maintenance à long terme.
Un exemple de fintech de taille moyenne illustre bien ce point. Une équipe utilise un assistant pour générer des tableaux de bord internes en quelques jours, mais le groupe de sécurité trouve des secrets codés en dur et des journaux d'audit manquants. La construction est rapide, la remédiation est lente et la durée totale du cycle se rapproche de l'ancienne ligne de base. La crise n'est pas liée à la vitesse, mais au contrôle.
Apprentissage automatique et intrants fragiles : la qualité des données devient le goulot d'étranglement caché
La plupart des outils d'entreprise ne semblent "intelligents" que lorsque les données sont propres, étiquetées et gérées. Les fonctions d'apprentissage automatique se dégradent lorsque des enregistrements de clients sont dupliqués, lorsque les autorisations sont incohérentes ou lorsque des journaux sont manquants. Dans les applications réelles, les résultats du modèle reflètent souvent l'hygiène des données de l'organisation.
Cela renverse l'histoire du retour sur investissement. Les acheteurs qui s'attendaient à ce que l'IA compense les systèmes désordonnés découvrent que le travail sur la qualité des données est toujours nécessaire, souvent de manière plus urgente. L'idée pour la crise du logiciel est que les fournisseurs ayant une forte gouvernance, une lignée et des capacités d'audit gagnent de l'influence.
Automatisation de l'IA : ce qui est remplacé, ce qui est absorbé
L'automatisation n'est pas une catégorie unique. Certaines tâches sont des flux de travail "en un clic", faciles à remplacer par un agent. D'autres dépendent de la politique, de la conformité et des exceptions, pour lesquelles les humains continuent de fixer les limites et d'approuver les résultats. Le marché a vendu comme si toutes les tâches étaient du premier type.
Un meilleur modèle consiste à se demander si le produit vend une interface utilisateur ou s'il vend un résultat assorti d'une obligation de rendre compte. S'il ne vend que l'interface utilisateur, une couche d'IA le menace. S'il vend des résultats avec des contrôles, il peut absorber l'IA et conserver son pouvoir de fixation des prix.
Liste de contrôle pratique pour les acheteurs confrontés à la crise des logiciels
Les équipes chargées des achats et de l'ingénierie peuvent réduire les risques en traitant les fonctionnalités de l'IA comme des systèmes opérationnels, et non comme des compléments. Le chemin le plus rapide vers la clarté est de tester l'IA sur un flux de travail étroit avec des modes de défaillance mesurables.
- Définir un flux de travail et un critère de réussite avant d'activer l'automatisation de l'IA.
- Mesurer les types d'erreurs, et pas seulement le temps gagné, y compris les fuites de permissions et les fusions de données erronées.
- Exiger la journalisation, la relecture et les pistes d'audit pour chaque action de l'IA en production.
- Exécuter des invites de l'équipe rouge sur le flux de travail pour mettre en évidence les voies d'injection et d'exfiltration des données.
- Portail de déploiement sur les contrôles de qualité des données : doublons, champs manquants et correspondances des rôles.
- Définissez des points d'approbation humaine pour les actions à fort impact telles que les paiements, les envois légaux et l'accès des utilisateurs.
Cette approche transforme l'engouement pour la technologie en une décision d'ingénierie et évite que la crise du logiciel ne devienne une histoire de panne.
Éthique et sécurité de l'IA : la crise à l'intérieur de la crise
L'éthique de l'IA n'est plus une question de politique. Lorsque les assistants touchent des textes juridiques, des notes de RH ou des transcriptions d'assistance à la clientèle, le système devient une surface de confidentialité et de partialité. Si un fournisseur ne peut pas expliquer où vont les données, qui peut y accéder et comment les résultats sont tracés, l'adoption ralentit.
Le risque de sécurité augmente également parce que l'IA élargit la couche d'interface. L'injection d'invites, l'utilisation abusive d'outils et les plugins à autorisation excessive créent de nouvelles voies d'accès. Il en résulte un paradoxe : l'IA fait progresser l'automatisation, tandis que les équipes de sécurité ajoutent des frictions pour assurer la sécurité des systèmes.
Les organisations qui cherchent à tirer des leçons concrètes des infractions peuvent comparer les modèles de ce rapport sur la dynamique des violations de donnéespuis de faire correspondre ces modes de défaillance aux plugins d'IA et aux autorisations des agents.
Crise des logiciels pilotés par l'IA : qui est le plus exposé et pourquoi ?
Le risque se concentre sur les produits pour lesquels les coûts de changement sont faibles et la différenciation mince. Si la valeur principale est un contenu modélisé, un rapport de base ou un simple acheminement de billets, une couche d'IA peut comprimer les prix. Cela ne signifie pas que le produit disparaît, mais que les marges se réduisent.
Les plateformes liées à des flux de travail réglementés, à des intégrations profondes et à des résultats vérifiés se situent du côté le plus sûr. Elles sont toujours confrontées à des défis en matière d'innovation, mais elles détiennent également la distribution, la confiance et des ensembles de données spécifiques à un domaine. À court terme, l'IA les renforce en améliorant la recherche, la synthèse et l'aide à la décision dans le cadre des processus établis.
Pourquoi l'analogie avec les "dot-com" est trompeuse en 2026
L'ère dot-com a récompensé le trafic d'abord et les modèles commerciaux ensuite. Le cycle actuel de l'IA est limité par les coûts de calcul, l'accès aux données et la responsabilité. Ces contraintes déterminent les prix et favorisent les fournisseurs qui gèrent les coûts par tâche et font preuve de gouvernance.
La meilleure analogie est celle des premières migrations vers le nuage : de nombreux opérateurs historiques ont survécu en se reformant, en regroupant leurs services et en adoptant une tarification basée sur l'utilisation lorsque cela s'avérait possible. La crise du logiciel est douloureuse, mais elle constitue également une fonction de forçage pour des mesures de valeur plus claires.
Notre avis
La crise des logiciels induite par l'IA est réelle sur les marchés, mais inégale dans les opérations. Les dommages les plus importants proviennent d'une mauvaise évaluation du risque : supposer que chaque produit SaaS est une fonctionnalité qui attend d'être mangée par un assistant. Dans la pratique, l'apprentissage automatique et l'automatisation augmentent le niveau des fonctionnalités de base, tout en élevant la barre de la confiance, de l'auditabilité et de la qualité des données.
Les gagnants traiteront l'IA comme une discipline d'ingénierie et non comme un titre de marketing. Les perdants livreront rapidement sans contrôle, puis paieront plus tard en incidents de sécurité, en retours de conformité et en désaffection de la clientèle. Si ce sujet est important pour votre travail, partagez-le avec les personnes chargées d'établir le budget des projets d'IA, car la différence entre le battage technologique et les applications dans le monde réel est désormais un poste budgétaire.